AI 如何优化维修备件库存的存货水平

维修备件库存是最难管理的库存类别之一。这些零件需求频次低且不可预测;一旦缺货,后果可能从轻微不便到产线停产不等。许多备件仅适用于特定设备型号,无替代品;而典型制造工厂的备件库存总额相当可观,常达数百万美元。

传统的备件库存方法严重依赖维修主管与设备厂商的判断,辅以历史消耗数据。AI 提供了一种更系统化、经济上更优化的方法。

库存决策

对于每一种备件,库存决策需要回答几个问题:在某一周期内,这种零件被需要的概率是多少?如果需要时缺货,等待交付期间停产成本是多少?将这种零件保有于库存的成本是多少?供应商交付周期是多长?是否提供紧急交付?

最优库存水平在缺货预期成本(停产成本乘以缺货概率)与库存持有成本之间取得平衡。对于停产成本高、交付周期长的关键备件,应多备库存;对于停产成本低或紧急供货容易获得的非关键备件,则可少备甚至不备。

AI 如何计算最优水平

基于 AI 的备件优化运用预测性维护系统的故障预测数据来估计需求概率。如果 AI 预测某具体轴承很可能在下一季度内发生故障,就确保备件库存中有相应替换件;如果未预测到故障,则可降低该轴承的安全库存。

AI 也考虑设备群效应。如果您拥有 50 台使用同型号轴承的相同泵,某周期内至少一台轴承需要更换的概率远高于单台泵。AI 据此计算群体级别的需求概率并相应备库。

交付周期与供应风险

交付周期长或不稳定的备件需要更高的安全库存。AI 监控供应商实际交付表现,在交付周期变化时调整安全库存。如果以往两周即可交付的供应商突然变成四周,AI 会上调来自该供应商备件的库存水平。

对于原始设备制造商为唯一货源的备件,AI 评估供应中断风险,并可能建议引入合格替代货源或额外储备一定数量作为保险。

过时管理

随着设备老化并最终被替换,备件也会过时。AI 跟踪设备装机基数,识别接近过时的备件。对于将在数年内被更换的设备,AI 降低备件库存水平以避免在退役时形成过量库存;对于厂商即将停产的备件,则建议在其停止供应前进行「全寿命采购」(lifetime buy)。

如需了解更多关于制造业 AI 维修优化的内容,请访问 FirmAdapt 制造业分析页面。